遗传分析（精选12篇）
遗传分析 篇1
染色体病主要是由于细胞中染色体的数目或形态、结构异常引起的疾病, 通常分为常染色体病和性染色体病两大类。在临床中, 智力低下、流产、死胎、性发育异常患者中较常见。本室对2013 年1 月—2014 年12 月2 881 例遗传咨询者进行了外周血淋巴细胞染色体分析, 现将结果报告如下。
1 对象与方法
1.1 对象选择2013 年1 月—2014 年12 月来我院妇产科、儿科、遗传咨询门诊患者, 包括不良孕产史 (自然流产史、死胎史、生化妊娠史、畸形儿妊娠史) 、不良生育史 (染色体病患儿、智力低下、畸形儿生育史) 、智力低下及生长发育迟缓、不孕不育、性发育异常、染色体异常配套检查、婚前体检的患者。受检者年龄、社会性别见表1, 受检者检查指征见表2。
1.2 方法抽取每位患者3 m L静脉血, 肝素管抗凝, 常规接种, 37 ℃培养72 h, 常规收获制片, 经胰酶消化、G显带, 必要时加做C、N显带。每例计数30 个分裂象, 分析其中3 个核型, 如有异常计数60~100 个, 分析5 个核型。所有异常染色体均根据国际染色体人类命名系统 (ISCN) 2000 分析标准来确定。
2 结果
2 881 例遗传咨询者中有239 例染色体异常, 异常率8.30%。不同疾病染色体异常率也不同, 以智力低下或愚型面容异常率最高, 其次为性发育异常及染色体异常配套。
3 讨论
3.1 不良孕产史不良孕产史夫妇1 478 例, 占51.30%;染色体异常40 例, 异常率2.71%, 其中染色体平衡易位35 例, 染色体数目增加2 例, 染色体倒位2 例, 染色体部分缺失嵌合1 例。不良孕产史患者在遗传咨询门诊中最普遍, 包括不明原因反复自然流产、死胎、生化妊娠、畸形儿孕产史等, 造成不良孕产史的原因除了感染、免疫反应外, 染色体异常引起的约占5%~6%。其染色体异常率是一般人群的15 倍以上[1], 染色体携带着遗传基因, 作为遗传物质载体的染色体, 其数目及结构的缺失、重复和平衡易位等畸形都可以引起遗传物质的不平衡改变, 导致染色体病的发生。染色体发生平衡易位是造成不良孕产史的重要原因之一, 平衡易位携带者理论上可形成18 种类型的配子, 与正常配子结合形成18 种类型合子, 其中1 种正常, 1 种为表型正常的携带者, 其余均为部分三体或单体异常核型。其所致胚胎由于遗传物质的重复或缺失易在妊娠早期被淘汰, 常表现为死胎、流产或畸形儿。因此, 再次妊娠时, 孕早期出现自然流产征兆不需保胎, 选择自然淘汰, 如能到孕中期, 应做产前诊断, 避免染色体异常儿的出生, 以达到优生优育的目的。
染色体多态在一般人群中的检出率为2.6%, 在生殖异常人群中的检出率为5.52%[2], 是否影响生育一直存在分歧。我们认为对于倒位, 因存在染色体结构重排, 且倒位后在减数分裂时能形成4 种配子, 仅1 种正常, 应该与不良孕产史有一定关系。对于次缢痕延长、短臂延长、随体变异这类情况, 由于没有一个统一标准, 主观因素影响较大, 且染色体在制备过程中, 自身的大小、长短也受秋水仙素、温湿度等因素影响存在差异, 我们认为这类多态是否有遗传学意义还有待商榷。
3.2 智力低下或愚型面容智力低下或愚型面容247 例, 占8.57%;染色体异常140 例, 异常率58.68%。单纯型21- 三体122 例, 占异常核型的87.14%;21- 三体合并染色体多态8 例;21- 三体合并染色体平衡易位5 例;45, X 1 例;47, XXX 1 例;+der (22p-) mat 1 例;46, XX, r (18) [61]/46, XX[39]1 例;46, XY, 21p-[49]/46, XY, der (21;21) (q10;q10) [51]1 例。智力低下是指儿童生长发育时期的智力残疾, 主要表现为感知、记忆、语言和思维方面的障碍, 他们的智力明显低于同龄小儿平均发育状态, 并在适应环境的行为上表现落后和缺陷。引起智能低下的病因复杂, 包括感染、中毒、损伤和缺氧、代谢异常, 染色体畸变, 其中由于染色体畸变所引起的智力低下约占15%~20%。智力低下染色体异常主要为21- 三体综合征, 又称Down综合征, 其次为平衡易位携带者、性染色体异常等。21- 三体综合征病儿出生的风险因素可能与环境污染日趋严重, 人们接触有害射线机会增多以及病毒感染等, 使得染色体发生畸变有关。一般认为, 21- 三体综合征的发生可能与出生时母龄过高有关, 但不可忽视非高龄孕妇生育21- 三体综合征患儿的风险。积极开展产前诊断, 可避免染色体异常儿的出生。值得注意的是1 岁以下的幼儿, 因其感知、语言、思维等能力尚未发育完全, 智力无法准确评估, 但如果呈典型的愚型面容, 表现为鼻梁低、眼裂小且上斜、眼距宽、喜伸舌, 应及时检查染色体, 早发现、早诊断、早治疗。
3.3 不孕不育不孕不育793 例, 占27.53%;异常核型12 例, 异常率1.51%。染色体平衡易位4 例;47, XXY 3 例;47, XY, +mar 3 例;46, X, +mar[72]/46, XY[28]1 例;46, XY, 17p+mat1 例。不孕不育分为不孕症和不育症, 育龄夫妇同居1 年以上, 有正常性生活, 在没有采用任何避孕措施的情况下, 未能成功怀孕称不孕症;虽能受孕但因种种原因导致流产、死胎而不能获得存活婴儿的称为不育症。有报道约10%的已婚夫妇患有不孕不育症, 染色体数目或结构异常是导致男性不育或女性原发不孕的主要原因之一[3,4]。47, XXY即克氏综合征, 在男性不育症中发生率为10%[5]。47, XXY的产生, 是由于双亲的生殖细胞减数分裂时染色体不分离的结果, 约60%由母亲造成, 40%由于父亲造成。主要临床表现为身材瘦高, 皮肤细腻, 体毛稀少, 男性第二性征不明显, 睾丸小, 无精子, 智力大多正常。此类患者多因不育症、睾丸发育不良就诊, 因其无生育能力, 只能采取辅助生殖技术或供精等手段, 减轻患者精神负担。
不孕不育异常核型中, 有3 例47, XY, +mar;1 例46, X, mar/46, XY的嵌合核型。mar即额外小染色体, 有研究报道mar染色体的出现率在性发育不全中为2.93‰[6]。关于发生额外小染色体的原因, 多数学者认为mar染色体起源于端着丝点染色体, 尤其是端着丝点以外短臂异位所致;也有学者认为, mar染色体是由于某些染色体的缺陷所致, 如Y染色体缺陷或17 号染色体缺陷[7]。本文4 例患者均为男性, 是否为Y染色体缺陷需要做基因芯片和FISH技术, 明确其来源。
3.4染色体异常配套染色体异常配套257 例, 占8.92%;染色体异常25 例, 异常率9.73%。染色体平衡易位20例, 47, XX, +mar 1 例;46, inv (X) (p11.2q24) mat, Yqh-pat1 例;46, X, inv (Y) (p11q12) , t (7;14) (p22;q24) 1 例;47, XXY[89]/46, XY[11]1 例;46, XX, 17p+1 例。近年来, 随着产前诊断的不断发展, 因胎儿染色体异常而检查双亲染色体的患者日益增多。这部分患者因有先证者, 异常率也较高, 但以多态为主。有15 例经产前诊断发现胎儿染色体异常, 溯源发现双亲之一为携带者, 这正是进行产前诊断的意义所在。我们还对1 个染色体异常家系进行了体检, 检查出3 例rob (14;21) (q10;q10) 患者。对于染色体易位携带者的家庭成员, 应指导他们进行染色体检查, 其对优生优育有着重大意义。
3.5 性发育异常性发育异常65 例, 占2.32%;染色体异常20 例, 异常率30.77%。45, X 5 例;45, X/46, X, i (X) (q10) 3 例;46, X, i (X) (q10) 3 例;47, XXY 2 例;45, X, inv (9) (p12q13) /46, X, i (X) , inv (9) (p12q13) 1 例;48, XXYY 1 例;48, XXYY[66]/47, XXY[34]1 例;45, X/46, X, +mar 1 例;46, X, del (X) (q13) 1 例;46, XX (男) 1 例;46, X, t (X;17) (p22;q22) 1 例。性发育异常最常见的临床表现为外生殖器男女分辨不清, 第二性征与性腺性别不符以及性腺性征与染色体不符等。染色体数目的增减及结构的变化可导致性腺分化及发育不良[8]。包括性激素异常、闭经、两性畸形、尿道下裂、阴茎短小、疑似克氏综合征、先天无子宫无阴道等。20 例染色体异常核型患者中检出46, X, i (X) (q10) 6 例, 占30%;45, X 5 例, 占染色体异常核型的25%;克氏综合征2 例, 占10%。当生殖细胞减数分裂过程中发生性染色体不分离时, 受精后可形成X单体合子, 即Turner综合征, 或X多体合子, 即克氏综合征。受精卵在卵裂早期性染色体不分离则形成2 种以上的细胞系, 即嵌合体[8]。Turner综合征即特纳综合征, 表现为原发性闭经、第二性征发育不良、身材矮小、蹼颈等症状。本病发生率约占女婴的1/2 500, 分为单体型、嵌合型、X等臂、X缺失。X染色体的结构异常, 也会影响性腺及躯体发育。6 例45, X/46, X, i (X) (q10) 患者, X染色体短臂丢失, 表现为原发闭经及Turner综合征的特征。
3.6 婚前检查婚前检查15 例, 占0.52%。2003 年新《婚姻法》取消了强制婚前检查的规定, 近年来主动进行婚前染色体检查的夫妇越来越少, 出生缺陷率也上升明显。全国幼妇卫生监测数据显示, 2003 年出生缺陷率为129.8/ 万, 2011 年则为153.23/ 万。在一般人群中, 染色体异常的发生率为0.47%~0.84%[1]。通过染色体检查, 能够发现这部分人群, 指导生育, 优生优育, 尽早进行干预, 提高出生人口素质, 降低出生缺陷发生率, 有利于双方和下一代的健康。
参考文献
[1]丁贤, 李强.习惯性流产夫妇染色体分析[J].实用妇产科杂志, 2002, 5 (18) :185-186.
[2]宫剑, 楼文文, 邢超, 等.染色体多态性与生殖异常[J].中国卫生检验杂志, 2015, 25 (8) :1204-1206.
[3]CARP H, FELDMAN B, OELSNER Q, et al.Parental karyotype andsubsequentlivebirthsinrecurrent miscarriage[J].Fertilityand Sterility, 2004, 81 (5) :1296-1301.
[4]OGASAWARA M, AOKI K, OKADA S, et al.Embryonic karyotype ofabortuses in relation to the number of previous miscarriages[J].Fertility and Sterility, 2000, 73 (2) :300-304.
[5]李璞.医学遗传学[M].北京:中国协和医科大学出版社, 1999:137.
[6]顾鸣敏, 苏宇滨, 沈若臣, 等.带有额外小染色体的Turner综合征三例报告[J].遗传与疾病, 1989, 6 (4) :241-244.
[7]杜传书, 刘祖洞.医学遗传学[M].2版.北京;人民卫生出版社, 1992:197-198.
[8]曹美婷, 卫小静, 赵静, 等.染色体检查在性发育异常诊断中的应用[J].诊断学理论与实践, 2010, 9 (4) :379-381.
遗传分析 篇2
《人类遗传病与优生》分析和评论
基因突变和染色体变异会导致生物性状的改变，在人体内则可表现为某种疾病。本节作为本章的最后一节课，对整章起到归纳的作用，对于宣传优生优育、提高人口素质也有重要的现实意义。
一、我对本设计案例的总评：
设计项目完整、思路清楚，教材分析准确、教学目标设定符合新课改新课标要求、学习者特征分析符合高二学生实际情况、教学策略选择合理、教学环境及资源准备充分、教学过程设计符合其选择的“支架式教学策略、随机进入式教学策略、合作学习教学策略”和网络学习的基本要求，教学评价设计具有可操作性，具体主要体现以下几个方面：
（1）教师在课前对学习者的特征分析非常详细，从学习特点，学习习惯和学习交往三个方面进行了剖析，会使老师的课堂教学有的放矢。（2）教学评价形式多样具有实效性。
（3）整个设计体现了教师的主导和学生的主体地位运用了多种教学策略。设计中体现了学生的独立能力和合作意识。
（4）教学流程设计合理环环相扣，将学生的活动和老师的总结紧密结合。各个知识点一一击破。总之，本设计案例体现了主体教育思想，促进了学生通过网络课件创设的环境实现“自主、合作、探究”的学习方式，使素质教育落到了实处。
二、本设计案例的突出特点：
（1）通过教学环境（能上 Internet 的多媒体网络教室）和教学资源（专题学习网站、多媒体教学课件、网络课程）的准备，引导学生实现了“自主、合作、探究”的学习方式，切实贯彻了新课改的基本思想。
（2）通过网络课件的设计和实施，实现了课程和信息技术的良好整合。制作专题网站和设计网页课件，是实现信息技术与课程和最佳途径，值得推广。
（3）通过教学评价的设计，把优生学整个板块的知识进行了一次梳理，符合学生认知发展的基本规律，有利于学生记忆、辨别、归纳、巩固所学知识。
三、教学目标中情感态度与价值观目标建议改为：
（1）通过学习遗传病对人类的危害，对学生进行人口素质教育、优生教育。（2）通过对遗传病发病率不断升高的原因的学习，增加学生环保意识教育。
（3）通过相关问题的讨论，增加学生关注社会生活的主人翁意识及理论联系实际的作风。
知识改变命运
精品文档 你我共享
沁园春·雪
北国风光，千里冰封，万里雪飘。望长城内外，惟余莽莽； 大河上下，顿失滔滔。
山舞银蛇，原驰蜡象，欲与天公试比高。
须晴日，看红装素裹，分外妖娆。江山如此多娇，引无数英雄竞折腰。惜秦皇汉武，略输文采； 唐宗宋祖，稍逊风骚。
一代天骄，成吉思汗，只识弯弓射大雕。俱往矣，数风流人物，还看今朝。
克
遗传算法应用的分析与研究 篇3
关键词：人工智能；进化算法；遗传算法（GA）
中图分类号：TP18文献标识码：A文章编号：1007-9599 （2010） 13-0000-01
Analysis&Research of Genetic Algorithm
Yang Hui
(Agricultural Bank of China,Hunan Branch,Changsha410005,China)
Abstract:This paper introduces the principle and historical of evolutionary algorithm and genetic algorithm of application,and analyzed its various important factors.
Keyword:Artificial intelligence;Evolutionary algorithm;Genetic algorithm(GA)
一、遗传算法及其优越性
遗传算法（Genetic Algorithm）是进化算法的一个重要分支。遗传算法的主要特点是群体搜索策略和群体中个体之间的信息互换，它实际上是模拟由个体组成的群体的整体学习过程，其中每个个体表示问题搜索空间中的一个解点。遗传算法从任一初始的群体出发，通过随机选择，交叉和变异等遗传操作，使群体一代代地进化到搜索空间中越来越好的区域，直至抵达最优解点。
遗传算法和其它的搜索方法相比，其优越性主要表现在以下几个方面：首先，遗传算法在搜索过程中不易陷入局部最优，即使在所定义的适应度函数非连续。不规则也能以极大的概率找到全局最优解，其次，由于遗传算法固有的并行性，使得它非常适合于大规模并行分布处理，此外，遗传算法易于和别的技术相结合，形成性能更优的问题求解方法。
二、遗传算法的基本流程
一个串行运算的遗传算法通常按如下过程进行：
（1）对待解决问题进行编码；t：=0
（2）随机初始化群体X（0）：=（x1，x2，Λ，xn）；
（3）对当前群体X（t）中每个染色体xi计算其适应度F（xi），适应度表示了该个体对环境的适应能力，并决定他们在遗传操作中被抽取到的概率；
（4）对X（t）根据预定概率应用各种遗传算子，产生新一代群体X（t+1），这些算子的目的在于扩展有限个体的覆盖面，体现全局搜索的思想；
（5）t：=t+1（新生成的一代群体替换上一代群体）；如果没有达到预定终止条件则继续（3）。
三、遗传算法中各重要因素分析
（一）编码理论。遗传算法需要采用某种编码方式将解空间映射到编码空间。类似于生物染色体结构，这样容易用生物遗传理论解释，各种遗传操作也易于实现。编码理论是遗传算法效率的重要决定因素之一。二进制编码是最常用的编码方式，算子处理的模式较多也较易于实现。但是，在具体问题中，根据问题的不同，采用适合解空间的形式的方式进行编码，可以有效地直接在解的表现型上进行遗传操作，从而更易于引入相关启发式信息，往往可以取得比二进制编码更高的效率。
（二）染色体。每个编码串对应问题的一个具体的解，称为染色体或个体。一个染色体可以通过选用的编码理论与问题的一个具体的解相对应，一组固定数量的染色体则构成一代群体。群体中染色体可重复。
（三）随机初始化。随机或者有规律（如从一个已知离解较近的单点，或者等间隔分布地生成可行解）生成第一代群体。一次遗传算法中有目的采用多次初始化群体会使算法拥有更强的搜索全局最有解的能力。
（四）适应度。一个染色体的适应度是对一个染色体生存能力的评价，它决定了该染色体在抽取操作中被抽取到的概率。估价函数是评价染色体适应度的标准，常见的估价函数有：直接以解的权值（如01背包问题以该方案装进背包物品的价值作为其适应度），累计二进制串中1/0的个数（针对以二进制串为编码理论的遗传算法），累加该染色体在各个目标上的得分（针对多目标最优化问题，另外，对于此类问题，本文提出了一种更有效的估价函数）。
（五）遗传算子。遗传算子作为遗传算法的核心部分，其直接作用于现有的一代群体，以生成下一代群体，因此遗传算子的选择搭配，各个算子所占的比例直接影响遗传算法的效率。一个遗传算法中一般包括多种遗传算子，每种算子都是独立运行，遗传算法本身只指定每种算子在生成下一代过程中作用的比例。算子运行时从当前这代群体中抽取相应数量的染色体，经过加工，得到一个新的染色体进入下一代群体。
（六）抽取。抽取操作是遗传算法中一个重要基本操作，作用是按照“优胜劣汰”的原则根据各个染色体的适应度从当前这代群体中挑选用于遗传算子的染色体。通常采用的手段是偏置转盘：
设算法中群体数量为population，首先计算当代群体的各染色体适应度之和 。将1～S（t）内的整数划分成population个区间段，每个染色体所占的区间段的长度既是它的适应度。这样，随机产生一个1～S（t）的整数，抽取该点所属区间段相对应的染色体，就可以保证任意一个染色体xi在抽取操作中被抽取到的概率为 。
（七）终止条件。遗传算法的终止条件用于防止遗传算法无止境的迭代下去，一般限制条件可以设为达到指定的迭代次数后终止，或当解的收敛速度低于一定值时自动终止。当遗传算法达到终止条件时，遗传算法结束，并按照要求返回中途最优的一个染色体（或所有满足条件的非劣最优解）
四、结束语
遗传算法的原理是简单的，但是如何熟练运用遗传算法却并不是一个简单的问题，理论要结合实际，对于不同问题，遗传算法要稍加变化，就如同画龙点睛一般，切忌不可生搬硬套。笔者认为遗传算法应当与现有优化算法结合，可产生比单独使用遗传算法或现有优化算法更好，更实用的算法。
参考文献：
[1]戴晓晖,李敏强,寇纪淞.遗传算法的性能分析研究[J].软件学报,2001
遗传分析 篇4
1 资料与方法
1.1 一般资料
对本科前来遗传咨询的364例咨询者进行分析。咨询原因包括:智力低下、发育迟缓、先天畸形、生殖系统发育异常、两性畸形等。
1.2 方法
患者入院后, 医护人员对患者进行常规检查, 如患者的心肺功能、体温等。实验中, 在患者采取1 ml的外周血进行淋巴细胞培养, 温度控制在37℃, 72 h, 常规制片, G显带处理。每例标本光学显微镜下分析5个核型, 计数30个中期分裂相, 异常者扩大分析细胞数。
2 结果
实验中, 遗传咨询的364例患者中, 染色体核型异常为54例, 检出率14.83%, 有120例患者智力低下, 发育迟缓、其异常核型有12例 (10%) 、104例不良孕产史, 其中8例异常核型 (占7.7%) , 43例不孕不育, 7例异常核型 (16.2%) 等, 具体见表1。
3 讨论
3.1 智力低下, 发育迟缓
智力低下是新生儿中比较常见的疾病, 这种疾病发病机制比较复杂, 诱因也比较多, 根据相关实验结果显示:患者体内染色体出现变化是造成新生儿智力低下的原因之一。本次实验中, 120例智力低下患儿中, 染色体异常12例 (10%) 。唐氏综合征是临床上比较常见的疾病, 它又叫做先天愚型综合征, 是比较常见的染色体病, 患儿患病后临床上主要表现为:智能低下、肌张力降低和体格发育迟缓等[1]。这种疾病诱因比较多, 机制也比较复杂, 主要是孕妇生殖细胞成熟过程中, 21号染色体不分离造成, 这个主要与孕妇的年龄、环境等关系密切。
3.2 不良孕产史
不良孕产史也是临床上比较常见的疾病, 它主要是指孕妇在孕期出现习惯性流产、死产、新生儿死亡等。这个在遗传咨询中最为多见, 它也是由于染色体引起的。本次实验中, 本文104例不良孕产史患者, 共检出染色体异常核型, 8例, 检出率为7.7%。这种疾病主要是由于孕妇染色体平衡易位, 携带者一般并不表现出异常表型效应。
3.3 不孕不育
不育不孕也是临床上比较常见的妇科疾病, 它也可以由染色体异常引起。在本文43例不育不孕咨询者中, 8例患者检查出先天性睾丸发育不全, 检出率为16.2%。先天性睾丸发育不全是由于配子形成过程中减数分裂时X染色体不分离导致的。患者临床上主要表现为:小睾丸、不育、智力基本正常或低下等症状[2]。
3.4 原发或继发闭经
原发或继发闭经是妇科常见病, 染色体异常是原因之一。本次实验中, 45例原发或继发闭经, 7例患者检出先天性卵巢发育不全 (Turner综合征) , 检出率为15.5%。这种疾病主要是由于患者X染色体缺失造成。临床上患者主要表现为:原发闭经、肘外翻、身材矮小、不育等。目前, 临床上对于Turner综合征也没有理想的根治方法。3.5两性畸形两性畸形也是比较常见的疾病, 它主要是由于性分化异常所造成的, 临床上患者主要表现为性别不能确定, 即:表型性别、性腺性别和遗传性别不一致。本次实验中, 27例两性畸形, 10例患者异常核型, 检出率为37%。目前, 医学界对于两性畸形疾病的发病机制还不是很清楚, 普遍认为是在父源减数分裂过程中, X和Y染色体发生交换。诊断两性畸形首先确定性染色体, 根据性染色体核型进一步明确性腺, 包括触诊、性激素水平、超声及其他影像学检查等。
综上所述, 孕妇人体内染色体发生异常时会造成新生儿智力低下、不孕不育、两性畸形等疾病, 因此临床上应该从遗传咨询者进行细胞遗传学分析, 采取有效措施进行预防, 从而实现优生优育。
摘要：目的 探讨遗传咨询者的染色体异常与临床异常的关系。方法 本文对本科前来遗传咨询的364例咨询者资料进行分析, 采用染色体G显带技术进行分析。结果 遗传咨询的364例患者中, 染色体核型异常为54例, 检出率14.83%, 有120例患者智力低下, 发育迟缓、其异常核型有12例 (10%) 、104例不良孕产史, 其中8例异常核型 (占7.7%) , 43例不孕不育, 7例异常核型 (16.2%) 等。结论 孕妇体内染色体发生异常时会造成新生儿智力低下、不孕不育、两性畸形等疾病, 因此临床上应该从遗传咨询者进行细胞遗传学分析, 采取有效措施进行预防, 从而实现优生优育。
关键词：遗传咨询,细胞遗传学,临床分析
参考文献
[1]陈华, 李世荣, 覃霞, 等.两性畸形的临床研究进展.中国美容整形外科杂志, 2007, 18 (4) :30.
遗传分析 篇5
大坝变形分析遗传神经网络模型的改进
针对基本遗传算法(SGA)收敛速度慢、局部寻优能力差等缺陷,采用十进制编码,引入改进的算术交叉、非均匀变异操作等算法,分析和建立了改进的遗传神经网络(IGA-BP)模型,并将该模型应用于大坝水平位移的预测.结果表明,该模型在收敛速度、预报精度等方面比传统模型有较大的`改善.
作 者：李珂 岳建平马保卫 周凯 秦茂芬 LI Ke YUE Jian-ping MA Bao-wei ZHOU Kai QIN Mao-fen 作者单位：李珂,岳建平,马保卫,秦茂芬,LI Ke,YUE Jian-ping,MA Bao-wei,QIN Mao-fen(河海大学土木工程学院,江苏,南京,210098)周凯,ZHOU Kai(福建省陆海建设监理所,福建,福州,350009)
刊 名：测绘工程 ISTIC英文刊名：ENGINEERING OF SURVEYING AND MAPPING 年，卷(期)： 17(2) 分类号：P258 关键词：遗传算法 IGA-BP 变异算子 数学模型 变形分析遗传分析 篇6
关键词：风味品质；遗传相关；番茄；糖酸比；口感
中图分类号：S641.2 文献标识码：A 文章编号：1674-1161（2015）01-0003-02
番茄果实的风味品质取决于可溶性固形物的含量，含量愈高，则风味愈佳。可溶性固形物约占番茄果实总质量的5%～6%。在可溶性固形物中，糖分占55%左右，主要为果糖、葡萄糖；有机酸占12%，包括柠檬酸（又称枸橼酸）、苹果酸。糖分含量、酸度、合适的糖酸比及挥发性芳香物质决定番茄果实的风味。在研究番茄风味品质构成因子相关性的基础上，探讨番茄风味品质性状间的遗传相关性，旨在为番茄品质育种提供理论依据。
1 材料与方法
1.1 供试材料
选用T1-T20（高代自交系），L402（T1×T5），T1×T4，T1×T2，T4×T2，T1×T8，圣女樱桃作为试材。
1.2 试验方法
每份材料种植1小区共28株，株行距为60 cm×35 cm。在番茄商品成熟时（有绿果肩的商品果，90%以上果面转粉，仅在果肩处稍有绿色；无果肩的商品果达最佳光度和亮度），每品种取10个符合标准的商品成熟果实，测定硬度后，去除果实的梗洼木质部分。每个果实取1/4，榨成匀浆。
1.3 分析测定方法
可溶性固形物含量用手持式测糖仪测定；可溶性糖含量采用蒽酮比色法测定；pH值用数字pH计测定；有机酸（指可滴定总酸）用微量碱式滴定法测定；果实硬度采用GY-1型果实硬度计测定；柠檬酸、苹果酸用Waters高效液相色谱仪测定，Waters Millennium软件控制及数据处理；果糖、葡萄糖用Waters高效液相色谱仪测定，Waters Millennium软件控制及数据处理。
2 结果与讨论
根据方差、协方差的理论成分估算表型相关性、遗传相关性和环境相关性。遗传相关反映两个性状间表型可遗传部分的相关程度，表明两个性状基因型值的相互关系，说明相关本质是间接选择的依据。表型相关系数和遗传相关系数的趋向基本一致，多数一般遗传相关系数大于表型相关系数，因而在选种工作中，通过表型相关选择所需性状是有遗传基础的。
2.1 可滴定酸与其它风味品质性状的关系
可滴定酸与柠檬酸、pH值、可溶性固形物的相关均极显著，说明可滴定酸与三者之间关系密切。可滴定酸与柠檬酸的遗传相关系数rg=0.903，大于它与苹果酸的遗传相关系数rg=0.628，说明在番茄果实中，影响果实风味的有机酸为柠檬酸。柠檬酸与可溶性固形物的3种相关均极显著，而与pH值呈显著的负相关，说明柠檬酸是可溶性固形物的主要成分，主要影响番茄果实内的pH值。
2.2 可溶性糖与其它风味品质性状的关系
可溶性糖与番茄风味品质性状之间的遗传相关系数见表1。
从表1可以看出：可溶性糖与果糖、葡萄糖、可溶性固形物有很高的正遗传相关系数，可溶性糖与可溶性酸、柠檬酸呈负遗传相关系数；可溶性糖与果糖的遗传相关系数（rg=0.276）大于它与葡萄糖的遗传相关系数（rg=0.209）。说明在番茄果实中，影响果实风味的单糖为果糖。
2.3 口感与其它风味品质性状的关系
口感与葡萄糖、pH值呈负的遗传相关系数。口感与糖含量正相关，而与酸度成负相关，风味品质受酸度的影响更大一些。口感与其它风味性状遗传相关系数很小。
3 结论与讨论
在番茄果实中，番茄酸味的差异主要是pH不同，酸对甜的影响比糖对酸的影响大，影响果实风味的有机酸为柠檬酸，其与苹果酸之间呈负相关。这与Islam M S和Yu YungMi等提出的柠檬酸比苹果酸对总酸影响大的结论相同。
在番茄果实中，糖分对番茄风味至关重要，其中果糖比葡萄糖起的作用大。影响果实风味的单糖为果糖。
番茄果实的风味品质性状与口感的相关关系不显著，说明番茄果实风味性状与口感之间不存在简单的线性相关关系，需要利用通经分析做进一步分析。通经分析可以把一对性状的相关系数根据其成因分解成若干组成成分，能更清楚地说明各性状对口感的影响程度。
参考文献
[1] 田硕，张喜春.番茄果实主要品质性状的配合力及遗传力分析[J].中国农学通报，2014（13）：112-117.
[2] 田春雨，刘野.番茄风味品质性状遗传研究进展[J].农业科技与装备，2009（3）：4-5.
[3] 刘萍，李明军.植物生理学实验技术[J].北京：科学出版社，2007.
Abstract： The test is executed for studying genetic correlation of fruit flavor quality， it took the theoretic components of variance and covariance， estimated the flavor influence of main composition material of sugar quantity， acid quantity and the ratio of sugar and acid. The test result shows that the influence element of organic acid is citric acid， simple sugar is fructose； the correlation of the flavor quality trait and taste is not obvious.
Key words： flavor quality； genetic correlation； tomato； ratio of sugar and acid； taste
玉米生育期遗传分析 篇7
玉米生育期是一个重要性状, 它不仅决定产量水平, 也决定在一定的局部地区种植某一品种的可能性[4]。相当一段时间以来, 由于国情的特殊性, 致使目前生产上使用的多数杂交种生育期偏长, 收获期籽粒降水不完全, 品质差。这种状况急待改进, 育种界逐步开始注重适合生育期的选择。但有关生育期性状证明杂种F1的生育期可以是亲本的中值, 或是近于早熟亲本[5]。姜明月等报道, 玉米生育期遗传主要受早熟性为显性的等位基因互作控制。同时指出, 显性程度的变化是从不完全显性到超显性。有另外一些研究表明, 播种抽雄期的加性方差高于非加性方差[6]。遗传力所反映的是亲代将性状传给子代的一种能力, 但亲代传递给子代的是基因, 而不是基因型, 基因在上下代之间是连续不变的, 而基因型在上下代之间是不连续的。因此, 由基因的加性效应所引起的遗传变异量是可以通过选择在后代中被固定下来的, 而显性效应、上位性效应引起的变异将会在下一代因基因的重新组合而消失, 是不能被固定的[7]。决定生育期的遗传效应, 从播种～抽丝日数而言, 加性效应与显性效应二者同样重要, 但显性效应往往在平均遗传效应中比重最大[8]。
玉米生育期是产量的重要构成因素, 研究玉米生育期性状的遗传特点, 对于高产育种具有重要的指导作用。该文采用了玉米品种44长和南无名-8作为亲本, 并组配杂交组合, 研究了玉米生育期出苗～吐丝的天数的基因作用方式, 并估计了有关遗传参数, 以期为育种上对该性状进行有效选择与改良, 提供理论依据和参考。
1 材料与方法
1.1 材料
选用玉米品种44长与南无名-8 (44长株高50 cm、南无名-8株高200 cm) 、Mo17与44长、嫩169与44长, 分别组配3个杂交组合6个世代 (P1、P2、F1、F2、B1、B2) 。2005年获得F1显性高株, F1×44长组成回交世代。2006年F1自交获得F2世代并回交得到B1、B2世代。
1.2 方法
2007年5月, 将亲本44长×南无名-8的F1、F2、BC高和BC低世代群体种于黑龙江省农业科学院大庆分院试验基地, 3个组合6个世代18个小区, 小区无重复。亲本、F1各种2行40株, F2种植15行300株, BC种植10行200株。在玉米吐丝期, 以株为单位, 逐株调查, 并计算每株从出苗～吐丝的天数, 作为生育期, 进行统计分析。
1.3 数据分析方法
1.3.1 狭义遗传力的估算
已知回交世代B1和B2的方差之和为VB1+VB2=undefinedundefined。因此, undefined, 即可用来估计狭义遗传力。此法称狭义法, 记为undefined。广义遗传力公式为undefined。
1.3.2 ABC尺度检验
按高之仁1986年提出的数量遗传学方法[9], 引入3个尺度检验, 涉及模型有1对主基因 (A) 、2对主基因 (B) 、3对多基因 (C) 。
如果该性状的遗传符合加性-显性模型, 这3个尺度的期望值都是零。可用t测验来检验样本统计量A、B和C与零的差异显著性[10]。
2 结果与分析
2.1 方差分析
将原始数据在Excel表中通过整理和计算, 得到各世代的生育期 (出苗～吐丝的天数) 平均数和标准差 (见表1) 。
试验中双亲组合南无名-8与44长、回交组合Mo17与44长、嫩169与44长在出苗～吐丝的天数上有较大的差异 (见表1) 。如各组合的P1和P2的平均值分别为70.95 d和61.05 d、74.44 d和68.88 d、68.81 d和61.045 d, P1明显大于P2。组合Mo17与44长在出苗～吐丝的天数上与其它组合存在较大的差异, 相比较而言, 组合Mo17与44长的P1和P2世代的较长些。如组合Mo17与44长的P1的平均值为74.44 d, 组合南无名-8与44长和组合嫩169与44长的P1的平均值分别为70.95 d和68.81 d;又如组合Mo17与44长的P2的平均值为68.88 d, 组合南无名-8与44长和组合嫩169与44长的P2的平均值均为61.05 d, 而其它时期的差异较小些。各组合标准差的差异不是太明显。
2.2 遗传力分析
表2的数据表明, 各组合世代的广义遗传率为39.37% (南无名-8与44长) 、58.80% (Mo17与44长) 、45.76% (嫩169与44长) , 说明, 在各组合中, F2世代的遗传变异约为39.37%、58.80%、45.76%是由于遗传差异造成的, 而60.63%、41.20%、54.24%是由于环境条件的影响所造成的。从试验结果可看出, 各世代的广义遗传力较低, 而遗传力是衡量遗传因素和环境条件对所研究性状的表型总变异起作用的相对重要性的数值。遗传率大的性状, 选择效果就好, 反之, 遗传力小的性状, 选择效果就小。遗传力是对特定群体特定性状而言的, 是某一群体的遗传变异和环境变异在表现变异中所占的相对比例。若遗传基础改变了, 或环境条件改变了, 遗传力自然也随之改变。所以, 在该试验中, 各世代变异受遗传因素影响小, 受环境条件影响大, 从而得出环境条件对玉米生育期长短有很大影响。
从表2的试验结果也可以看出, 各世代的广义遗传力和狭义遗传力都较低, 而且两者间的差异较大, 可能是由于选择的单个个体差异较大的原因造成的。组合Mo17与44长和组合嫩169与44长广义遗传力和狭义遗传力都比组合南无名-8与44长的大, 狭义遗传力的差异尤为明显, 也就是说这2个组合受遗传力的影响相对较大些。因此从广义、狭义遗传力大小还可以说明, 要想通过遗传力选择生育期短的玉米宜在回交的世代里进行选择。
2.3 模型检验
加性-显性模型是数量遗传分析的模型。在这种模型假定下, 可以用较少的世代和数据对性状的遗传作较详细的分析。
根据A、B、C检验可验证不同性状适合的遗传模型, 进一步估算出基因的加性效应、显性效应和基因互作效应, 不同产量性状遗传率存在差异。若标准差Sa大于差数A, 表明A与零的差异显著, 没有必要进行t检验, 用同样方法计算B、C和两者各自的标准差 (见表3, 表4) 。对玉米生育期性状的遗传模型、基因效应进行了分析, 从表5结果可看出, 只有Mo17与44长组合中的标准差Sb小于差数B, 因此要进行t检验。
求得:|tb|=1.110 0
3 结论
在研究的产量性状中, 生育期是受多基因控制的, 没有检测到主基因的存在, 而且多基因的遗传力都不是很高。在育种时可以采用轮回选择的方法来逐渐提高玉米生育期的性状值, 选育出生育期短的品种。而杂种早代选择一般效果不理想, 对于遗传力较低的性状可采用晚代选择的方法。该试验表明了玉米生育期的遗传属于多种遗传效应作用的结果, 而决定生育期的遗传效应中又以显性效应起主导作用。有时由于遗传背景不同, 上位效应也很明显。生育期的平均遗传力较低, 因而, 这个性状容易受环境的影响而发生变异。这就说明玉米的生育期主要是受环境的影响, 遗传性状对它的影响小。
由此可以看出, 决定生育期的遗传效应, 从出苗～吐丝日数而言, 基因的加性效应与显性效应在玉米生育期性状的遗传中同样重要, 但显性效应往往在平均遗传效应中比重最大。
从表1中可以看出, 生育期是研究玉米产量的重要性状, 研究它的遗传力对于提高玉米产量和质量有着非常重要的意义。根据广义遗传力和狭义遗传力的公式算结果 (见表2) 表明, 广义遗传力和狭义遗传力之间有着较大的差别。说明广义遗传力只能粗略地表示遗传力的大小, 狭义遗传力可以准确地表示遗传力的大小。根据性状遗传力的大小, 可确定在育种中哪些世代用何种方法选择效果最好。
进一步剖析产量性状在玉米产量构成中的作用, 以选择各世代玉米的生育期 (出苗～吐丝的天数) 等性状为研究对像, 根据基因的加性与显性效应, 对其遗传力进行分析, 特别是狭义遗传力, 可以有效地预测自交系的遗传能力和杂交种的优势潜力。该方法可筛选优良玉米自交系, 减少在育种过程中的盲目性, 节省土地和劳动资源, 缩短育种年限, 尽早实现育种目标。
摘要：玉米生育期是决定玉米产量的重要因素。该研究选用玉米品种44长与南无名-8、Mo17与44长、嫩169与44长作为亲本, 组配3个杂交组合6个世代 (P1、P2、F1、F2、B1、B2) , 分析了各世代从出苗吐丝的天数及此生育期的遗传特点。结果表明:各世代的广义遗传力和狭义遗传力都较低, 生育期受环境影响较大。模型分析表明:控制生育期的基因符合加性-显性遗传模型, 说明加性效应和显性效应是生育期产量性状的主导因子。
关键词：玉米,生育期,遗传分析
参考文献
[1]张世煌, 胡瑞法, 彭泽斌.玉米育种的需求分析与技术发展方向[J].中国农业科学, 2000, 33 (3) :1-8.
[2]吴子恺.玉米10个数量性状的基因效应分析[J].玉米科学, 1995, 3 (1) :5-13.
[3]广成, 苛升学, 薛雁.玉米8个产量构成因素的通径分析[J].玉米科学, 2002, 10 (3) :33-35.
[4]朱军.遗传学[M].3版.北京:中国农业出版社, 2002:309-334.
[5]向道权, 黄烈健, 曹永国.玉米产量性状主基因-多基因遗传效应的初步研究[J].华北农学报, 2001, 16 (3) :1-8.
[6]姜明月, 王金君, 张丽颖, 等.玉米生育期 (出苗~吐丝日数) 的遗传分析[J].国外农学-杂粮作物, 1994, 5 (4) :5-16.
[7]许海涛, 许波, 王友华, 等.玉米数量性状的多元遗传分析[J].大麦与谷类科学, 2007, 9 (4) :36-78.
[8]郑祖平, 杜克柱.玉米自交系几个性状的遗传分析[J].国外农学-杂粮作物, 1995, 5 (1) :10-27.
[9]高之仁.数量遗传学[M].2版.成都:四川大学出版社, 1986:13-17.
遗传分析 篇8
⒈近三年各省市理综高考遗传题考查情况分析
全国卷（Ⅰ）：
2010年T33 (12分)南瓜性状遗传(两对基因控制)9:3:3:1的变形(自由组合定律)。
全国卷（Ⅱ）：
2010年T4 (6分)致死效应和自由交配(分离定律);T33 (11分)系谱图分析(分离定律);
2011年T34 (10分)秃顶与非秃顶的常染色体遗传，涉及性别影响性状(分离定律);
2012年T34 (12分)果蝇体色、翅形遗传(自由组合定律)。
新课标卷（湖南卷）：
2010年T32 (13分)9:3:3:1的变形及画遗传图解(自由组合定律);
2011年T32 (8分)4对等位基因的自由组合规律判断;
2012年T31 (10分)结合基因突变考查分离定律。
北京卷：
2010年T4 (6分)自由组合的几率计算;
2011年T30 (16分)果蝇眼色遗传，考查2对基因在一对同源染色体上的连锁，涉及减数分裂;
2012年T30 (16分)小鼠体毛性状遗传，涉及基因与性状、基因与密码子的关系、及遗传定律的判断。
天津卷：
2010年T6 (6分)食指长短的遗传，涉及性状受性别的影响(自由组合定律);
2011年T6 (6分)系谱图分析涉及基因诊断(分离定律定律);
2012年T6 (6分)果蝇眼色、翅形遗传，涉及伴性遗传和减数分裂(自由组合定律)。
浙江卷：
2010年T30 (18分)考查自由组合定律和遗传图解的书写，涉及转基因技术;
2011年T32 (18分)系谱图分析，要求画遗传图解(自由组合定律);
2012年T32 (18分)玉米性状遗传，涉及变异与育种、画遗传图解(自由组组合定律)。
福建卷：
2010年T27 (15分)以蟠桃生物育种为题材考查遗传规律，根据后代判断是否遵循自由组合定律;
2011年T5 (6分)火鸡的性别决定，涉及致死效应;T27 (12分)甘蓝的叶色遗传(9:3:3:1的变形)(自由组合定律);
2012年T27 (12分)果蝇翅形遗传、用遗传图解形式判断基因的位置、涉及纯合致死(分离定律和自由组合定律)。
四川卷：
2010年T31 (18分)果蝇性状遗传，涉及伴性遗传、致死效应及随机交配中基因频率的计算;2011年T31-Ⅱ(14分)由小麦育种考查自由组合定律，涉及染色体变异和减数分裂;
2012年T31-Ⅱ(14分)果蝇眼色由2 对(常、X染)基因控制，涉及隐性纯合致性反转的雄性不育(自由组合定律)。
重庆卷：
2010年T30 (16分)绵羊性状遗传(自由组合定律);
2011年T31 (16分)拟南芥种皮和叶片性状的遗传，涉及基因工程育种(自由组合定律);
2012年T31-(1) (6分)青蒿两对性状的遗传(自由组合定律)。
安徽卷：
2010年T4 (6分)南瓜性状的遗传，涉及非等位基因之间的相互作用(自由组合定律);
T31-Ⅰ(15分)棉花性状遗传，涉及基因突变和育种，画遗传图解(自由组合定律);
2011年T31-Ⅱ(12分)家蚕的体色和茧色遗传，涉及伴性遗传和画遗传图解(自由组合定律);
2012年T4 (6分)植物抗性遗传、一对等位基因、涉及随机交配、隐性致死(分离定律定律);
T31 (18)系谱图分析涉及性染色体异常分析。
山东卷：
2010年T27 (18分)通过果蝇性状遗传判断基因的位置，涉及致死现象及实验设计;
2011年T27 (18分)荠菜果实形状遗传，涉及基因型判断的实验设计(自由组合定律);
2012年T6 (4分)系谱图分析(自由组合定律);
T27 (14分)以果蝇染色体数目异常为背景，综合考查了果蝇性状的遗传、变异的基础知识(自由组合定律)
2. 命题情况分析
综合分析近三年各地高考试题的考查情况，高考命题在本章节有如下规律：
(1）从知识点上来看：
单独考查分离定律的试题比分较少，大多是通过两对性状的遗传来综合考查分离定律和自由组合定律。涉及多对基因控制性状的题型极少见，仅在2011年湖南卷T32出现四对等位基因控制性状的情况。大多数试题综合程度大，涉及变异、育种、基因工程等内容。
(2）从命题思路上来看：
试题重在定律本身的理解与应用，单纯的概念等小知识点涉及的比例在减少。自由组合定律中的一些特殊比例考查程度加深，多从非常规角度考查自由组合定律，如9:3:3:1的变形，致死效应导致的比例改变，如2010年全国卷ⅠT33、湖南卷T32等。
(3）从命题形式上来看：
主要是非选择题形式出现，而且多以一个具体实例为媒介，把遗传定律内容和相关的实验设计能力、作图能力一并来考查，如2011年山东T27。另外，试题以选择题形式在某些省市理综卷中也时有出现，如2010年全国卷ⅡT4、北京卷T4、安徽卷T4、2011年福建卷T5、2012年安徽卷T4、山东卷T6。
(4）从分值分布来看：
占分少的有6分，如天津卷2010-2012年一直只有一个6分的选择题，占分多的有20多分，如10年安徽卷占21分，山东、浙江卷一直占18分，而湖南卷近三年的分值是13分、8分、10分不等。
(5）从试题难度来看：
试题绝大多数综合程度大、材料新颖、信息量大、能力要求高，导致试题难度偏大。以湖南卷为例，2010年T32难度系数是0.26, 2011年T32难度系数是0.27, 2012年T31难度系数是0.58，与前两年相比，难度下降幅度大。
3. 遗传专题复习备考策略
根据近几年高考命题的特点和规律，复习本章时，要注意以下几个方面：
(1）熟悉考纲考情、制订具体的复习方案。
高考对遗传规律的考查体现在以下几个方面：
(1) 遗传学基本概念、原理的理解和应用
(2) 亲子代基因型、表现型及其概率的判定与计算
(3) 遗传病系谱中遗传病类型的判定、发病率的计算
(4) 运用分离定律基本原理解决自由组合定律有关问题的基本思想
(5) 应用遗传基本定律分析解决一些生产、生活中生物的遗传问题
(2）重视教材、夯实基础
在复习过程中要重视遗传定律本身的发现过程，因为其过程本身就是一个科学研究过程，在体验过程中明确科学探究的一般步骤，学会怎样去作出假设、如何去推理、如何去验证，从而明确定律的实质。
在充分理解遗传定律的内容的基础上，把定律本身应用到实践中去。同时注意非正常比例与正常比例之间的关系，其实这也是对定律本身的一种理解。
(3）加强学法指导，提升解题能力
在教学过程中教师要指导学生学会用分离规律结合乘法原则和加法原则去解决复杂问题，如涉及多对等位基因的个体杂交后代基因型和表现型种类求算、遗传病发病概率的求算等。
(4）熟悉题型，明确解法
遗传基本规律包括基因的分离定律、基因的自由组合定律和基因的连锁与互换定律。基因的连锁与互换定律高考不作要求。本部分知识考查题型主要有以下几种情况：
(1)生物性状显、隐性关系的判断
(2)基因型的确定与表现型概率的计算
(3)分离定律中的特殊情况;多等位现象(如ABO血型);不完全显性或共显性;表现型受环境或性别的影响;致死效应，包括合子致死(显性纯合致死、隐性致死)和配子致死
(4)自由组合定律中的特殊比例;9:3:3:1的变形(基因的相互作用);致死效应引起的比例变化(包括显性致死、隐性致死);基因的累加效应，如皮肤颜色的遗传(1:4:6:4:1)。
(5)遗传方式的判断。包括常染色体的显隐性、伴X的显隐性、伴Y遗传、伴XY同源区段遗传的判断方法。
遗传概率计算常见错误归类分析 篇9
1.没有进行概率再分配计算
许多遗传概率计算中, 某基因型, 所处的群体不同, 其所占的比例也不一样, 须进行概率的重新分配。例如某隐性遗传病为常染色体遗传, 一对夫妇的基因型为Aa, 则他们生育的后代中, 各基因型概率为1/4AA、1/2Aa、1/4aa。但如果求在后代表现正常的个体中AA的概率, 那就不是1/4了, 必须进行概率再分配计算, 则为 (1/4) / (1/4+1/2) =1/3。
例1:某种常染色体上的隐性遗传病在人群中的发病率为1/100, 一对表现型正常的夫妇生育一个患病孩子的几率是多少?
错解:设患病个体的基因型为aa, 根据题意得:aa基因型频率为1/100, 所以a基因频率为1/10, A基因频率为9/10。在人群中, 基因型AA的频率为 (9/10) ×2, Aa的频率为2× (1/10) × (9/ 10) =18/100, 这对正常的夫妇基因型是AA或Aa, 只有双方的基因型均为Aa时, 才能生育患病的孩子, 而这对夫妇为Aa都是18/100, 所以后代患病的概率是 : (1/4) × (18/100) × (18/100) = 81/10000。
分析:上述解法中, 18/100是整个群体中杂合体的概率, 群体中的基因型有三种AA, Aa, aa, 包括患病个体在内。因为这对夫妇表现正常, 所以应求出Aa在正常人群中的概率: (18/ 100) / (18/100+81/100) =2/11。此题没有进行概率再分配, 误将Aa在整个群体中的概率作为其在正常人群中的概率。
正解:表现型正常的夫妇只有基因型为Aa时, 才会生育患病的小孩, 正常人群中Aa的概率为2/11, 则Aa×Aa的生育患病小孩的概率为:1/4×2/11×2/11=1/121。
2.自交和自由交配混淆
在遗传学中, 自交是指基因型相同的生物体之间的相互交配。例如, 植物体的自花传粉和雌雄异花的同株受粉, 或基因型相同动物个体间交配。自由交配是雌雄个体之间, 不管基因型如何, 都是随机交配, 属于杂交的一种。
例2:用纯种的灰身果蝇 (BB) 与纯种的黑身果蝇 (bb) 杂交得到F1, F1中雌雄果蝇交配得到F2, 从F2中选出灰身的雌雄果蝇让它们自由交配, 则它们的后代中灰身与黑身的比例为多少?
所以F3中的灰身果蝇的比例为:1/3+2/3 (1/4+2/4) =5/6, 黑身果蝇的比例为:2/3×1/4=1/6。因此, 后代中灰身与黑身的比例为5∶1。
分析:解题过程中只计算了基因型相同个体自交的结果, 属于将自由交配错误理解为自交的情况。所谓自由交配, 是雌雄个体间随机交配, 不是局限于基因型相同的个体间交配。
正解:由题意可知F1的基因型为Bb, F2的基因型为1/4BB、2/4Bb、1/4bb, 从F2中选出的灰身果蝇的基因型为1/3BB、3/ 2Bb, 雌雄果蝇自由交配有下列4种可能: (1) 1/3BB (♀) ×1/3BB (♂) ; (2) 1/3BB (♀) ×2/3Bb (♂) ; (3) 2/3 Bb (♀) ×1/3BB (♂) ; (4) 2/3 Bb (♀) ×2/3 Bb (♂) 。先求隐性性状黑身的比例 , 观察上述4种交配形式, 由此得后代黑身的比例是 (2/3) × (2/3) × (1/ 4) =1/9, 则灰身果蝇为1-1/9=8/9, 灰身果蝇与黒身果蝇之比为8/9:1/9=8:1。
3.多种交配方式计算不全造成的概率遗漏
当双亲基因型有多种可能时, 每种交配方式的结果都要考虑到, 从后代中分析是否存在题目所求的基因型, 再把每种交配方式得到的符合要求的基因型概率相加, 才能计算出正确结果。
例3:一对表现型正常的夫妇, 他们的父母表现型也正常, 但丈夫的哥哥和妻子的妹妹都是黑尿症患者。若该夫妇生育一个正常儿子, 他是黑尿症基因携带者的概率是多少?
错解:依题意可知, 黑尿症是常染色体隐性遗传病。设致病基因为b, 这对夫妇的基因型都有两种可能1/3BB、2/3Bb, 则 (夫) 2/3Bb×Bb2/3 (妇) →8/27Bb。
分析:此题得出的黑尿症基因携带者为8/27。很显然, 对这对夫妇可能存在的婚配方式考虑不全, 漏掉了夫妇一方正常 (BB) 与另一方是携带者 (Bb) 的情况。
正解:这对夫妇的基因型都是:1/3BB、2/3Bb。该夫妇生育一个正常儿子, 这个儿子是黑尿症基因携带者: (1) (夫) 2/ 3Bb×2/3Bb (妇 ) →8/27Bb; (2) (夫 ) 2/3Bb×1/3BB (妇 ) →1/9Bb; (3) (夫 ) 1/3BB×2/3Bb (妇 ) →1/9Bb, 所以 , 这个儿子是黑尿症基因携带者的概率为8/27+1/9+1/9=14/27。
4.“男 (女) 患病”和“患病男 (女) ”理解有误
不同的遗传方式中, “男 (女) 患病”和“患病男 (女) ”的概率计算方法有所不同。在伴性遗传中, 以色盲症为例, 计算“男 (女) 孩色盲”的概率, 就是在双亲后代的“男 (女) 孩”中计算色盲的概率, 若求“色盲男 (女) 孩”的概率, 就是计算双亲的所有后代中是色盲的男孩的概率;在常染色体遗传中, 男孩患病概率=女孩患病概率=患病孩子概率, 而患病男孩概率=患病女孩概率=1/2×患病孩子概率, 这里1/2的实质是指自然状况下生男生女的概率均为1/2。
例4:一对夫妻性状都正常, 他们的父母也正常, 妻子的弟弟是色盲, 则他们生育的男孩是色盲的概率是多少?
错解:依据题意得:色盲是X染色体上的隐性遗传病。一对夫妻都表现正常, 可知丈夫的基因型为X B Y;妻子的弟弟是色盲, 而父母正常, 可判定妻子的基因型为X B X B或者X B X B , 每种基因型概率均为1/2。只有当妻子的基因型为X B X B时, 才有可能生育一个男孩并有色盲的患者。计算如下: (夫) X B Y×1/2X B X B (妇 ) →1/2 (1/4X B X B 、1/4X B X B 、1/4X B Y、1/4X B Y) , 则男孩色盲的概率为:1/2×1/4X B Y=1/8。
分析:对于伴性遗传, 男孩患病概率计算, 应该在子代男孩中计算色盲概率。此题这对夫妇后代中男孩的基因型有两种:1/4X B Y和1/4X B Y, 则男孩中X B Y占 (1/4) / (1/4+1/4) =1/2, 而不是上述计算的1/4。
正解:计算子代中男孩色盲的概率, 就是母亲基因型是X B X B 基因型的概率乘以子代男孩中基因型是X B Y的概率, 为1/2×1/ 2=1/4。
5.“患甲 (乙) 病”与“只患甲 (乙) 病”混淆
高中遗传病的概率计算通常会涉及两种遗传病, 求患病概率也有很多提问方式, 如“求患甲病概率”、“求患病概率”、“只患甲病的概率”、“不患病的概率”、“患一种病概率”、“两病皆患的概率”。当两种遗传病 (甲病和乙病) 之间具有“自由组合”关系时, 各种患病情况的概率如下表:
例5:一个患并指症 (由显性基因A控制) 且肤色正常的男性与一个表现正常的女性婚后生下一个患白化病的孩子, 如果他们再生一胎, 这个孩子只患白化病的概率是多少?
错解:设白化病的基因型为bb, 由题意可知这对夫妇的基因型为AaBb (夫) 、aaBb (妇) , 题中只求患白化病的概率, 与并指症无关, 则有Bb (夫) ×Bb (妇) →1/4BB、1/2Bb、1/4bb, 即后代中只患白化病的概率为1/4。
分析:上述解题过程只分析了白化病的情况, 但没有考虑并指症还存在表现正常和患病两种情况。如果这对夫妇生育的小孩不患并指症, 那么这个小孩就只患白化病, 如果这个小孩患有并指症, 就不符合足题意要求了。上述结果表示的是“患白化病的概率”而不是“只患白化病的概率”。
正解:只患白化病, 言下之意就不能患并指症, 因此患白化病的概率为1/4bb, 不患并指症 (正常) 的概率为Aa (夫) ×aa (妇) →1/2aa, 只患白化病的概率为:1/4×1/2=1/8。
综上所述, 遗传概率计算错误类型多种多样, 有的对概率包含的范围理解有误, 有的对相关的遗传学概念和原理含糊不清, 有的对亲本交配方式考虑不周。总之, 遗传概率计算给人的印象是没有复杂的计算过程, 但分析推理过程却极其复杂, 稍有疏忽, 就会造成计算结果错误。那么, 怎样解答好遗传概率计算题呢? 我认为应从以下方面做起: (1) 重视对遗传学基础知识的理解。比如要正确理解“自交”与“自由交配”、“加法原理”与“乘法原理”、“男 (女) 患病”和“患病男 (女) ”、“患甲 (乙) 病”与“只患甲 (乙) 病”等; (2) 准确理解研究范围和前提。比如例1中虽然求得了该夫妇是Aa的概率为18/100, 但这个概率代表的意义是在整个群体中Aa的概率, 这整个群体还包括了患者, 所以该题还必须进行概率再分配, 求出正常人群中Aa的概率; (3) 强化练习, 分类总结。通过多做练习, 加深对相关遗传学原理、概念的理解, 对做过的题目分类总结, 有助于我们熟悉遗传学的解题方法, 避免发生同样的错误。
参考文献
[1]王丽国.浅谈自交与自由交配的计算[J].考试周刊, 2010, (11) :198-200.
[2]杨超华.例谈遗传概率计算中的几个误区[J].中学生物教学, 2008, (5) :58-59.
[3]李生清.XY型性别决定的生物伴性遗传题型解析[J].中学生物教学, 2008, (7) :46.
遗传分析 篇10
堆石坝的本构模型参数一般是通过室内试验测定或根据以往工程经验确定的,而这种方法由于受室内试验方法、试验设备、施工工艺、施工方法和施工质量等方面的影响,会使堆石坝真实的材料参数与计算时所采用的材料参数不一致,这样,如果利用设计时给出的本构模型参数进行面板堆石坝安全评价及预测,势必会造成较大的误差[1]。目前,众多学者在解决这一问题时,大多都致力于基于实测信息的参数反演分析的研究。在堆石坝工程中的反演方法常采用直接法,即将堆石料的参数反演问题转换成优化问题[2,3,4],以有限元计算位移值与实测位移值的最小误差函数作为目标函数,通过反复迭代,寻找使计算位移值和实测值之间误差最小的模型参数。本文鉴于面板堆石坝工程有限元计算过程的复杂性,利用遗传算法优化BP神经网络权值和阈值建立遗传神经网络,模拟堆石的有限元计算,通过正交设计方法构造遗传神经网络训练样本,完成遗传神经网络的学习、训练及测试过程,建立能模拟堆石坝有限元计算的遗传神经网络模型,然后结合再结合遗传算法的优化过程,将两者应用于面板堆石坝体力学参数反演中,反演得到计算位移与实际位移拟合较好的堆石料参数。结果表明,利用遗传算法和遗传神经网络算法相结合的方法,在解决堆石坝反演分析问题中具有明显的优越性。
1 BP神经网络
BP(Back propagation)神经网络是目前最有代表意义和广泛用途的神经网络模型。它是由一个输入层、一个输出层和一个或多个隐含层组成的,其特点是:各层神经元仅与相邻层神经元之间有连接;各层内神经元之间无任何连接;各层神经元之间无反馈连接。理论已经证明,当隐层神经元数目足够多时,BP神经网络可以以任意精度逼近任何一个具有有限间断点的非线性函数。因此,能够适应于求解高度非线性等复杂岩土工程问题。
但是BP网络也并不是一个十分完善的网络,主要存在学习收敛速度太慢、不能保证收敛到全局最小点等缺陷,而且BP神经网络结构的确定尚无理论指导,往往根据经验确定,其权值则通常由梯度法来确定,通常经过多次反复试验却又很难找到最优的网络结构和权值[5,6],大量研究表明,遗传算法可以为神经网络的设计和训练提供新的途径。
2 遗传算法
遗传算法(Genetic Algorithm,GA)是由美国密执根(Michigan)大学的J.Holland教授于1975年首先提出的,它是一种新兴的模拟自然界生物进化机制的搜索寻优技术。其核心思想源于人们对生物进化过程的认识,模拟了自然选择和自然遗传过程中发生的繁殖、交换、变异现象,它根据适者生存、优胜劣汰的自然法则利用遗传算子:选择、交叉、变异逐代产生、优选个体,最终搜索到较优个体的算法[7]。
遗传算法在优化过程中,处理的对象并不是参数本身,而是对参数集进行编码的个体,它采用同时处理群体中多个个体的方法,同时对搜索空间中的多个解进行评估,实现其全局搜索能力及易于并行化的特点。鉴于遗传算法使用简单,鲁棒性强,易于并行化,搜索不依赖于梯度信息,被广泛地应用于各种领域[7],如函数优化、组合优化、生产调度问题、自动控制、机器人学、图像处理、遗传编码、机器学习、数据挖掘、信息战等。
3 遗传神经网络算法
遗传算法是一种通用的问题求解方法,它对求解问题的本身一无所知,不受其搜索空间限制性条件的约束、不需要目标函数具有连续性等辅助信息,而且它的搜索能力具有全局性,可以很容易找到全局最优解。因此,利用遗传算法优化BP神经网络弥补神经网络自身的缺陷[8],能够更好的解决传统方法中的靠经验来设计网络结构、收敛速度慢和不容易找到全局最优解等方面的问题,同时可以充分发挥遗传算法的全局搜索能力和BP神经网络的局部搜索能力,进而提高网络精度及性能。
4 水布垭面板堆石坝的参数反演分析
4.1 工程概况
水布垭面板堆石坝是目前世界上已建成的最高面板坝,最大坝高233 m,坝顶高程409 m,坝轴线长660 m,坝顶宽度12 m,大坝上游坝坡1∶1.4,下游平均坝坡1∶1.4,总填筑工程量1 570万m3,其中坝体堆石填筑量约为1 563.74万m3。主要分为7个填筑区:ⅠA区(黏土铺盖区)、ⅠB区(盖重区)、ⅡA区(垫层料区)、ⅢA区(过渡区)、ⅢB区(主堆石区)、ⅢC区(次堆石区)、ⅢD区(下游堆石区)。大坝典型断面及坝料分区见图1。
为了监测坝体在填筑过程中的变形,在0+212剖面235、265、300、340、370 m高程处共计布置了35个测点;在0+132剖面和0+356剖面300、340、370 m高程处分别布置了11条水平、垂直位移测线,共73个测点。随着坝体的填筑完成,目前已取得了丰富的变形监测成果[9]。
4.2 待反演参数及取值范围的确定
本文结合各本构模型的优缺点,最终选取邓肯E-B模型进行堆石坝的有限元计算,邓肯E-B模型的主要参数有φ、c、Rf、k、n、kb、m、kur、nur。如果将上述所有参数均作为待反演的参数,计算过程很难保证反演结果收敛到精确值,而且根据以往的经验可知参数φ、c、Rf、kur、nur的试验值与实际值差别不大,可直接取试验值;而参数k、n、kb、m由于受试验条件与现场条件的差异,其试验值与实际值差别较大,因此本文选取k、n、kb、m作为待反演参数。由于垫层区及过渡区等相对于坝体堆石区厚度较小,材料变化对坝体的变形影响甚小,故本文主要对主、次堆石区的两组材料参数进行反演计算。根据以往工程经验及水布垭初始设计参数,设定参数的取值范围见表1所示。
4.3 测点选取
本文根据以往工程经验,选取0+212断面的8个测点,即SV01-1-6、SV01-1-9、SV01-1-17、SV01-1-20、SV01-1-26、SV01-1-29、SV01-1-32、SV01-1-34。8个测点分布于坝体不同高程、不同材料分区内,且测点变形的实测值应正常稳定,变形监测数据的完整性、可靠性较好。测点具体位置及高程见图2。
4.4 遗传神经网络的模拟计算
在堆石坝材料参数反分析中,面板堆石坝工程有限元计算过程相当费时费力,如果有限元计算程序直接被优化程序调用进行反演计算,难度相当大,效率也非常低[9]。因此,本文利用遗传神经网络来建立堆石料参数和位移量之间的映射关系,代替直接反分析法中的有限元计算以提高计算效率。在构造遗传神经网络训练样本过程中,本文通过均匀设计试验法形成参数组,根据水布垭工程施工样图,建立了有限元分析模型,利用ANSYS的APDL语言,结合邓肯E-B模型的非线性计算原理以及堆石坝的非线性静力分析一般方法,编制了堆石坝施工模拟的计算程序,实现了堆石坝的有限元分析计算。
然后将参数组和相应的有限元计算得到的测点位移值作为遗传神经网络的输入和输出,训练遗传神经网络,同时观察遗传神经网络训练样本的输出误差,网络精度满足计算要求,则表示网络训练完成,否则需要进行重新训练。当网络训练完成后,还需要随机构造测试样本参数,利用训练好的遗传神经网络进行模拟计算,同时进行有限元计算,对比神经网络模拟计算结果和有限元计算值之间的误差,如果误差小于容许误差则表明训练好的遗传神经网络是可以模拟有限元计算的,否则的话表明训练好的遗传神经网络不成功,需重新训练。满足上述条件的遗传神经网络即建立了输入和输出之间潜在的映射关系,即给遗传神经网络输入一组参数,即可得出对应的测点位移,达到代替有限元计算、节省时间、提高效率的目的。本文在利用遗传算法优化BP神经网络权值及阈值时,选取种群规模N为50,遗传代数为100,交叉概率Pc=0.6,变异概率Pm=0.2。图3为遗传算法训练神经网络的连接权重的过程,从图中可以看出当进化到40代的时候已经趋于稳定,此时误差平方和、适应度值的理论与实际值基本上已吻合,说明BP神经网络的取值与阈值优化完成,满足精度要求。
4.5 目标函数的确定
在优化理论中,一般通过建立目标函数来寻找使遗传神经网络模拟值和实测值之间误差最小的模型参数,其实质就是寻找一组待反演的参数使与其相应的位移值与实测位移值逼近的方法。本文在优化反演计算中,把测点的实测值和遗传神经网络模拟有限元计算值的误差平方和作为目标函数,即:
式中:X为本构模型参数;m为反演输出测点数;Si为第i个测点的遗传神经网络模拟输出值;S*i为第i个测点实测沉降值[10]。
4.6 遗传算法优化搜索
在堆石体参数的反演分析中,利用训练好的遗传神经网络代替实际的有限元计算,极大地缩短了反演分析时间,为遗传算法进行堆石体参数的优化搜索提供了便利条件。
遗传算法利用训练好的遗传神经网络模拟有限元计算生成控制测点的沉降值,再与控制测点的实测沉降值比较,不断进化搜索得到最符合堆石体实际变形的参数[11],过程如图4所示。
本文利用遗传算法-遗传神经网络算法对参数进行反演,反演时,遗传算法在给定的初值参数范围内进行随机取值,结果都收敛到相近的数值。图5为遗传算法寻优过程,从图中可以看出,当迭代次数达到70步左右时,遗传算法全局最优值趋于稳定,参数优化完成,具体的反演结果见表2。
4.7 反演参数的验证
为了验证反参数的可靠性,本文利用表2中反演得到的参数进行有限元计算,将坝体0+212断面235 m、265 m、300 m高程处测点实测沉降值与反演参数计算值进行了对比,结果见图6-8。
从图6-8可以看出,通过反演材料参数计算得到的有限元计算结果,跟实测资料的规律大致相同,实测位移值与计算位移值符合较好,满足反分析的计算要求,对于个别点出现误差较大的,可能是由于施工的不均匀性或人为、监测误差等方面的原因所致。
5 总 结
本文以水布垭面板堆石坝为工程背景,采用遗传神经网络模拟堆石坝的有限元正分析计算,结合遗传算法建立了面板坝堆石体坝力学参数的位移反演分析模型,并利用反演得到的模型参数进行堆石坝有限计算。结果表明,计算所得的沉降值与实测值吻合较好,误差较小,满足反分析的精度要求,而且利用遗传算法和遗传神经网络算法相结合的方法应用于位移反分析中,既发挥了遗传神经网络的非线性映射、网络推理和预测功能,又利用了遗传算法精度高、收敛快等诸多优点,在解决复杂堆石坝工程位移反分析中具有较好的实际应用价值。
参考文献
[1]苏安安.水布垭面板堆石坝土体参数的位移反演分析[D].北京:清华大学水利水电工程系,2007.
[2]张丙印,袁会娜,李全明.基于神经网络和演化算法的土石坝位移反演分析[J].岩土力学,2005,26(4):547-552.
[3]田明俊,周晶.基于蚁群算法的土石坝土体参数反演[J].岩石力学与工程学报,2005,24(8):1 411-1 416.
[4]张社荣,何辉.改进的遗传算法在堆石体参数反演中的应用[J].岩土力学,2005,26(2):182-186.
[5]闻新,周露,王丹力,等.MATLAB神经网络应用设计[M].北京:科学出版社,2000.
[6]顾永明,张国华.面板堆石坝演化人工神经网络反演分析模型研究[J].西北水电,2007,(2).
[7]陈国良,王煦法.遗传算法及其应用[M].北京:人民邮电出版社,1996.
[8]吴涛.用遗传算法优化神经网络权值[J].广东湛江:湛江师范学院学报,2007,28(2):120-122.
[9]清江水电开发公司.水布垭技术总结[R].武汉:长江勘探设计院.
[10]徐宝松,苗艳东.基于粒子群算法的大坝力学参数反演[J].水力发电,2009,(3):102-104.
遗传分析 篇11
【关键词】自动控制；遗传算法；应用
遗传算法是自然选择的基础上，基于基因遗传原理的随机的搜索算法，是在微型的计算机上进行模拟生物进化而产生的一门新兴的专业。随着计算机技术和现代控制学的不断发展，工程控制师面临着越来越多的挑战，对优化自动化控制的处理算法提出了要求。而遗传算法作为一种仿生算法，具有成熟度极高的鲁棒性和适用性，得到了控制工程师的青睐。近年来，将遗传算法应用在自动控制化的领域里的工程师越来越多，如，鲁棒、滑模、神经网络、PID控制等等许多方面都得到了广泛的应用。本文将会对几种遗传算法在自动控制中的应用进行分析。
1.遗传算法概論
遗传算法是基于达尔文的自然选择理论衍生出来的。达尔文认为，自然界的一切生物都是通过自身物种的演化来不断适应新的生存环境，遗传算法正是这种理论上，通过现代计算机的模拟而发展出的，它吸取了达尔文的物竞天择适者生存的观点，使得遗传算法能够为系统提供一种在复杂空间进行随机搜索的方法，并且从这些方法中优化出最适应的解决途径。遗传算法在串之间进行有组织但是又很随机的信息交换，随着算法的进行，好的优良的部分会被不断地传承下来，而坏的部分会被不断的淘汰，因而受到很多工程控制师的喜爱将它应用在自动控制的领域里。
2.遗传算法在自动控制领域的应用
遗传算法于自动控制的领域里的应用主要可以分为两种，一是在线自适应调节，二是离线设计分析。其中离线应用还可以被分为两种，即直接涉及法、间接设计法。在第一个直接设计法里，遗传算法是被用来当作优化和搜索的引擎，像是对于一个已知被控对象来选择一个合适他的控制的结构或者是优化一个特定的控制器参数的设置来满足它在性能指标上的要求。在第二个间接设计法例，用传统方法做其他部分，而遗传算法为这个系统提供优化参数。遗传算法在线自适应调节中的应用主要也可分为两类，一种是直接用遗传算法优化控制器参数，构成了有遗传算法作为自适应控制器的自适应优化的机制；一种是把遗传算法作为一种可以辨识未知和时变的特征参数的学习机制，调整自适应控制器。
2.1最优控制
遗传的算法于最优控制的方面得到较广泛的应用。控制的大多数问题都可以解释为寻找在不同的系统当中所对应的一组最优的控制。传统的方法都存在对输入的初始值敏感，收敛速度慢，易陷入局部很小的缺点。而遗传算法在这方面比传统的方法表现好的多。在对离散时间的最优控制的问题上的研究表明，遗传算法在这个问题上的结果比传统算法好很多。在手推车问题、收获问题等问题上的成功证明遗传算法在最优控制上具有很大的潜力，未来遗传算法也将更多地在最优控制这个问题上更好地表现。
2.2模糊控制系统
不论是经典的还是现代的控制理论都能够很好的处理精确的数学模型的系统，但在实际的应用当中，每个系统不可能样样都精确，存在很多模糊值，操作的难度十分大。模糊推理方法是在控制系统没有模型估计的基础上建立起来的控制系统的有效工具之一，这是基于规则的系统把模糊的语言变量输入规则集合之中，来对人的经验和方法进行建模。传统中，这种方法例的模糊规则的制定和调整都要有专家来，这样非常耗时和困难。科学家就将遗传算法应用到模糊控制里，大大的提高了效率。遗传算法对于提升模糊控制器静态和动态的性能起了很大的推动作用，应用性十分强，在模糊控制应用的领域遗传算法的前景很广。
2.3非线性控制
控制系统设计里，有许多控制的问题可以算入优化的大框架中。在实际问题中问题往往比较约束和呈非线性，不同的参数的组合却有可能会得到相同的控制作用。传统方法中对于初次输入的值很敏感，容易陷入困境。而遗传算法由于不用指数函数微分，所以用遗传算法设计出来的自动化方法可以考虑实际中系统很多的性能方面的要求，并且可以直接设计出非线性对象线性控制器，这是传统方法做不到的，基于这个优点，在非线性控制中，遗传算法得到了推广。
3.结语
随着人类科技的发展，自动化技术的应用越来越广泛，而遗传算法作为优化自动化控制的重要方法，应该得到广大控制工程师的重视，不断地发展和改进遗传算法，使其能够更好的应用到自动化控制的领域中。使用遗传算法优化自动化控制是大势所趋，因为它的计算都是在计算机的辅助下完成，减少了人为因素的影响，使得设计的自动化程度得到了提高，所以遗传算法是工程设计师们设计系统的一个不错选择。
【参考文献】
[1]张绍红，毛尚旭，宁书年.模拟退火法和遗传算法联合优化技术及在反演解释中的应用[J].煤炭学报，2007（01）.
[2]万月珍，廖成咤.用遗传算法对臼动摔制系统数学模犁寻优[J].地壳形变与地震，2008（02）.
遗传算法的应用及研究分析 篇12
1.1 编码
编码是把一个问题的可行解从其解空间转换到GA所能处理的搜索空间的转换方法。而解码是由GA解空间向问题空间的转换。编码机制直接影响着算法的整体性能,也决定了种群初始化和各种遗传算子的设计等各种过程。常用的编码方案有:二进制编码、Gray编码和实数编码等。
1.2 种群的初始化
种群的初始化是指如何生成第一代初始种群。对于二进制编码机制,初始化就是生成多个二进制数串;对于实数编码机制,初始化是指生成多个实数数串。
1.3 适应度函数
适应度是用来衡量群体中各个个体在优化计算中能达到或接近于或有助于找到最优解的优良程度。适应度较高的个体遗传到下一代的概率就较大;反之遗传到下一代的概率就相对较小。度量个体适应度的函数称为适应度函数,是根据目标函数确定的,用于区分群体中个体好坏的标准,是算法演化过程的驱动力。
1.4 选择算子
选择算子是从一个旧种群选择生命力顽强的个体位串进行复制,从而产生新种群的过程。不同的选择操作会导致不同的选择效果,较大的选择压力将会使当前种群中的最优个体具有较高的复制数目,算法会以较快的速度收敛,容易出现“早熟”问题。相反,较小的选择压力能使种群的保持多样性,有利于跳出局部最优,收敛于全局最优点,但缺点是收敛速度慢,效率低下。常用的选择算子有:轮盘赌选择、基于排序的选择、局部竞争选择、最佳个体保存选择和Boltzmann选择等。
1.5 交叉算子
交叉算子是指两个相互配对的染色体按照某种方式相互交换自身的部分基因片,从而构成两个新个体的过程。交叉算子不仅要考虑生成更多不同的个体,保持种群的多样性;还要避免破坏种群中的优良个体,加快种群的收敛速度,才能使种群的多样性和收敛性达到和谐的统一。常用的交叉算子有:单点交叉、多点交叉、均匀交叉和算术交叉等。
1.6 变异算子
变异是指父代染色体中的某些基因片,以相对较小的概率发生随机改变的操作过程。变异的概率决定了种群中个体发生变异的机会大小,如果制定过高,容易破坏种群中已有的优良个体结构;如果制定过低,则产生新个体的速度慢,收敛速度慢,甚至可能陷入局部最优。常用的变异算子有:倒位变异、交换变异和插入变异等。研究表明,将多种变异算子在交叉使用或者按照一定的概率进行分配使用,会带来较好的效果[1]。
2 GA遗传算法的特点
2.1 遗传算法相对于其它算法的优越性
(1)GA从问题的初始解集开始嫂索,而不是从单个解开始,覆盖面大,有利于全局择优从而有效地避免局部最优解的干扰。
(2)GA不是对问题的待优化参数本身进行操作,而是通过由这些参数所编码形成的染色体进行交叉,变异和选择等操作,参与操作的信息量大,速度快,效果好,比较容易获得全局最优或逼近全局最优。
(3)GA求解时使用特定问题的信息极少,容易形成通用算法程序,对于有待优化的函数数学限制较少,既不要求可导可微,也不要求函数具有连续性,通用性好,鲁棒性强。
(4)GA通过选择、交叉、变异操作能迅速排除与最优解相差极大的串,这是一个强烈的滤波过程,也是一个并行滤波机制,有极强的容错能力。
(5)GA中的选择、交叉和变异都是随机操作,选择体现了向最优解的迫近,交叉体现了最优解的产生,变异则体现了全局最优解的覆盖。
(6)GA具有隐含的并行性,实现简单,效果良好。
2.2 遗传算法存在的问题
(1)GA在全局最优的搜索上效果良好,而在局部最优的搜索上存在不足。在算法进行的前期,搜索效果良好,而在算法进行的后期,搜索速度缓慢。即使在逼近全局最优时,要获得全局最优解仍要花费很大的搜索代价。
(2)GA虽然实现简单,但实现的效果很大程度上取决问题的表示,种群的规模,最大遗传代数,遗传算子的选择,交叉变异概率等参数,如果设置不好,类似以随机搜索算法。而这些参数又无规律可循,要通过大量的实验来获取,参数的选取不具有通用性,当问题本身发生改变时,要重新指定参数,将要花费很大代价。
(3)GA的“早熟”问题,是指在算法早期,种群中出现了超级个体,该个体的适应值大大超过了当前种群的平均个体适应值Σfi/N,使算法较早收敛于局部最优点,而非全局最优。特别是到了算法进行的后期,超级个体在种群中占据了绝大多数,这时,传统的交叉操作对于相同的超级个体已经不起作用,而变异操作虽然能够为算法补充新的个体,但变异在遗传中毕竟是小概率事件。所以,必须在其他方面对算法进行改进,提高算法的抗干扰能力。
(4)GA对算法的精度、可信度、计算复杂性等方面,还没有有效的定量分析方法。
3 遗传算法的应用[2,3,4,5]
GA由于具有鲁棒性强,实现简单,对问题依赖性小等优点,为求解复杂系统优化问题提供了通用框架,下面是一些主要应用领域:
(1)函数优化:是GA的经典应用领域,也是对GA进行性能评价的常用算例,对于一些非线性、多模型、多目标的函数优化问题,用其他优化方法较难求解,GA却可以得到较好的结果。
(2)组合优化:随问题规模的扩大,搜索空间急剧扩大,对这类复杂问题,实践证明,GA对于组合优化的NP完全问题非常有效。
(3)生产调度问题:GA已成为解决复杂调度问题的有效工具,在单件生产车间调度、流水线生产车间调度、生产规模、人物分配等方面都得到了有效的应用。
(4)自动控制:GA在自动控制领域中的应用日益增加,并显示了良好的效果。如在参数辨识、人工神经网络的结构优化设计和权值学习,都显示了GA的应用优势。
(5)机器人智能控制:GA是源自于对人工自适应系统的研究,已经在移动机器人路径规划、关节机器人运动轨迹规律、机器人逆运动学求解、细胞机器人的结构优化和行动协调等方面得到研究和应用。
(6)图像处理和模式识别:在图像处理过程中,如扫描、特征提取、图像分割等不可避免的会产生一些误差。目前,GA已在图像恢复、图像边缘特征提取、几何形状识别等方面得到了应用。
(7)人工生命:基于GA的进化模型是研究人工生命现象的重要理论基础,已在其进化模型、学习模型、行为模型等方面得到应用。
(8)遗传程序设计:Koza发展了遗传程序设计,基本思想是:采用树型结构表示计算机程序,运用遗传算法的思想,通过自动生成计算机序来解决问题。虽然该理论尚未成熟,应用也有些限制,但已成功地应用于人工智能、机器学习等领域。
(9)机器学习:基于GA的机器学习、特别分类器系统,在调整人工神经网络的连接权、神经网络结构的优化设计、和多机器人路径规划系统中得到了成功的应用。
4 遗传算法的研究分析
4.1 算法自身的改进
GA有着自身所特有的巨大优势,但在数学基础、算法结构、实现机理以及算法组成等方面都还存在着不足,为了改善算法的求解性能,扩大算法的应用范围,必须致力于算法自身的改进的研究工作。
4.2 参数的动态自适应
GA中的参数包括种群规模、遗传代数、交叉概率和变异概率等,参数设置的好坏直接影响到算法性能的优劣。如何对这些参数进行配置,一直是研究的重点。参考文献[6]中不仅从理论上证明了自然数编码的前提下存在种群的最优种群规模,而且给出了如何计算最优种群规模的方法。Srinivaszai提出了对交叉概率和变异概率进行算法动态自适应的思想。Fogarty从整数编码的角度研究了变异概率对算法性能的影响。
4.3 小生境技术的遗传算法
小生境技术是指将每代种群中的个体按照适应度的大小划分为多个类,在每个类中选取适应度较大的个体组成一个新的种群,通过这些种群之间的共享机制来完成种群间优秀个体的交流共享,从而达到寻找最优解的搜索过程。不仅能够保持种群的多样性,而且对于算法的全局寻优能力和算法的收敛性都能起到良好的改善作用。
4.4 混合遗传算法
GA在全局最优解的搜索上有其独特的高效性,但局部搜索能力不足。而一些常用的算法,如贪婪算法、模拟退火算法、爬山法等,局部搜索能力很强,通过融合这些算法的优点,弥补GA自身的不足的混合式算法,成为提高算法的效率和求解质量的一个有效途径。
4.5 并行遗传算法
由于GA存在的隐式并行性的特性,可以用并行技术来提高效率。并行GA主要有主从式模型,粗力度模型和细粒度模型三种主要框架。在主从式模型中,主处理器控制整个GA的运行,其他的从处理器则进行个体的初始化,交叉、变异和选择操作,然后由主处理器进行总体调控。在粗细粒度模型中,每个处理器进行整体算法的独立操作,然后各个处理器之间进行个体交流。在细粒度模型中,一个处理器只能够与其周围的处理器之间进行个体交换。在并行算法中,处理器之间的个体交换称之为“迁移”,是并行GA中独特的操作算子。通过迁移算子,可实现最佳个体在不同子种群之间的流动,从而提高各个子种群的之间,加快子种群的收敛。
5 结束语
遗传算法经过几十年的发展,其应用从工程科学到社会科学的诸多领域,今后,拓展更加多样的应用领域将是遗传算法发展的主流。
摘要：在介绍遗传算法的基本原理与方法的基础上,分析了遗传算法相对于其它算法的优越性和存在的问题以及遗传算法的主要应用和研究发展方向。
关键词：遗传算法,智能控制,算法优化
参考文献
[1]Pan Z J,Kang L S.An Adaptive Evolutionary Algorithms for Numerical Optimization.Proc.of SEAL'96,Taejon,Korea,1996:53-60.
[2]L.Davis,Handbook of Genetic Algorithms,van Nostrand Rei-nhold,New York,1991.
[3]席裕庚,柴天佑,恽为民.遗传算法综述.1996,13(60):69-7-708.
[4]刘勇,等.非数值并行算法(二)—遗传算法.北京:科学出版社,1995.
[5]陈国良,等.遗传算法及应用.haviour of A Class of Genetic Adaptive Systems.PhD thesis,University of Michigan,1975.
【遗传分析】推荐阅读：
群体遗传学分析05-21
遗传多样性分析06-20
遗传算法存在问题分析08-29
家禽遗传多样性分析08-20
银杏内生真菌刺盘孢遗传多样性的初步分析06-07
基因遗传06-06
遗传结构06-16
遗传规划06-24
遗传参数07-07
遗传因素07-28